4.10 Hasil Survey Wawancara Menggunakan Logit Binner
4.10.1. Hasil Perhitungan S PSS Untuk Responden Umum
4.10.1.2 Willingness To Pay Rp.2500
Variabel bebas yang signifikan terhadap WTP Rp.2500 adalah Usia, Kendaraan Yang Sering Dipakai, dan Penghasilan Bulanan. Dikatakan signifikan jika nilai signifikansi berada ≤ 0,1. Berikut ini merupakan rincian output dari program SPSS.
Tabel 4.62 Hasil Perhitungan SPSS Uji Signifikansi Faktor Usia Terhadap WTP Rp.2500 (Resp. Umum)
Variables in the Equation
B S.E. Wald df Sig. Exp(B)
90,0% C.I.for EXP(B) Lower Upper Step 1a Usia .117 .061 3.645 1 .056 1.124 1.016 1.243
Constant -8.290 3.226 6.605 1 .010 .000 a. Variable(s) entered on step 1: Usia.
Nilai signifikansi variabel Usia adalah sebesar 0,056 ; yang berarti jika variabel usia berpengaruh terhadap kesediaan membayar lebih awal untuk pergantian pedal rem sebesar Rp.2500,- dimana untuk setiap penambahan sebanyak tiga (3) dari setiap 100.000 orang yang berusia lebih dari 16 tahun, dapat mengurangi kemungkinan kecelakaan dengan resiko luka berat sebesar 1,124 kali.
Penentuan Model Logit :
Persamaan model logit pada variabel bebas tersebut adalah sebagai berikut : Logit (P) = p/1-p = β0 + β1 (X) , rumusan ini digunakan untuk menghitung logit pada variabel usia, yang didalamnya terdapat pembagian perhitungan untuk yang berusia minimal 16 tahun (16) & usia tertinggi 62 tahun (62). Dengan nilai B yaitu 0,117. Dan Constantnya adalah -8,290. Berikut merupakan analisis
133
perhitungannya, masing – masing untuk yang berusia terendah 16 tahun dan tertinggi 62 tahun :
Logit (P) untuk X1 (16 tahun) = 0,117 + (-8,290) x (16)
= -6,418
Logit (P) untuk X1 (62 tahun) = 0,117 + (-8,290) x (62)
= -1,036
Menentukan Probabilitas :
Untuk mendapatkan probabilitas kesediaan membayar terhadap usia, yaitu dengan pembagian jenis usia yaitu usia terendah 16 tahun dan usia tertinggi 62 tahun dengan menggunakan persamaan berikut ini :
P
=
P1 =
= 0,00163 = 0,16%(Probabilitias usia lebih muda)
P2 =
= 0,2619= 26,19% (Probabilitas usia lebih tua)
Tabel 4.63 Probabilitas Variabel Usia (WTP 2500) B Constant X1 X2 Y1 untuk
X1
Y2 untuk X2 Prob.Y1 Prob.Y2 1(%)Y1 (%) Y2
0,117 -8,290 16 62 -6,418 -1,036 0,00163 0,2619 0,16 2,619
Angka probabilitas usia lebih tua (62 tahun) yang memiliki persentase terbesar yaitu 26,19% , dimana angka persentase tersebut lebih besar dari yang berusia muda yaitu 16 tahun. Dengan arti, semakin bertambah usia seseorang atau seseorang yang berumur lebih tua cenderung memiliki keinginan lebih besar untuk membayar Rp.2500, demi mengurangi resiko kecelakaan. Dikarenakan tingkat berpikir pada orang usia lebih tua telah bisa berpikir dengan baik, jika dibadingkan dengan yang seseorang yg umurnya muda.Sehingga dapat memahami pentingnya membayar untuk mengurangi resiko kecelakaan.
134
Tabel 4.64 Hasil Perhitungan SPSS Logit Biner Faktor Kendaraan Yang Sering Dipakai Terhadap WTP Rp.2500 (Responden Umum)
Variables in the Equation
B S.E. Wald df Sig. Exp(B)
90,0% C.I.for EXP(B) Lower Upper Step 1a Kendaraan_ yang_sering _dipakai 2.159 1.296 2.777 1 .096 8.667 1.028 73.049 Constant -5.418 1.649 10.799 1 .001 .004
a. Variable(s) entered on step 1: Kendaraan_yang_sering_dipakai.
Nilai signifkansi Kendaraan Yang Sering Dipakai adalah sebesar 0,096; dimana untuk setiap penambahan sebanyak tiga (3) dari setiap 100.000 orang yang mengendarai kendaraan dan bersedia membayar lebih awal untuk pergantian pedal rem sebesar Rp.2500,- untuk memprotect dirinya, maka akan mengurangi kemungkinan kecelakaan dengan resiko luka berat sebesar 8,667 kali.
Penentuan Model Logit :
Persamaan model logit pada variabel bebas tersebut adalah sebagai berikut : Logit (P) = p/1-p = β0 + β1 (X) , rumusan ini digunakan untuk menghitung logit pada variabel kendaraan yang sering dipakai, yang didalamnya terdapat pembagian perhitungan untuk yang sepeda motor (1) & memakai mobil (2). Dengan nilai B yaitu 2,159. Dan Constantnya adalah -5,418. Berikut merupakan analisis perhitungannya, masing – masing untuk yang berusia terendah 16 tahun dan tertinggi 62 tahun :
Logit (P) untuk X1 (1) = -5,418 + (2,159) x (1)
= -3,259
Logit (P) untuk X1 (2) = -5,418 + (2,159) x (2)
= -1,1
Menentukan Probabilitas :
Untuk mendapatkan probabilitas kesediaan membayar terhadap usia, yaitu dengan pembagian jenis kendaraan yaitu sepeda motor untuk 1, dan mobil untuk 2. Berikut persamaannya :
135 P
=
P1 =
= 0,037= 3,7% (Probabilitas pengguna SM)
P2 =
= 0,249 = 24,9% (Probabilitas pengguna mobil)
Tabel 4.65 Probabilitas Kendaraan Yang Sering Dipakai (WTP 2500) B Constant X1 X2 Y1 untuk
X1
Y2 untuk
X2 Prob.Y1 Prob.Y2 1(%)Y1
(%) Y2 2,159 -5,418 16 62 -3,259 -1,1 0,037 0,249 3,7 24,9
Angka probabilitas pengguna mobil adalah yang memiliki persentase terbesar yaitu 24,9% dan angka persentase tersebut lebih besar dari yang menggunakan sepeda motor. Dengan arti, jika seseorang menggunakan mobil maka kemungkinan untuk membayar jauh lebih besar jika dibandingkan dengan yang menggunakan sepeda motor. Hal tersebut dikarenakan responden yang menggunakan mobil tingkat ekonominya diatas dari pengguna sepeda motor sehingga kemampuan membayar lebih tinggi jika dibandingkan dengan pengguna sepeda motor.
Tabel 4.66 Hasil Perhitungan SPSS Logit Biner Variabel Penghasilan Terhadap WTP Rp.2500 (Responden Umum)
Variables in the Equation
B S.E. Wald df Sig. Exp(B)
90,0% C.I.for EXP(B) Lower Upper Step 1a Penghasilan .001 .000 3.861 1 .049 1.001 1.000 1.001
Constant -5.767 1.733 11.067 1 .001 .003 a. Variable(s) entered on step 1: Penghasilan.
Nilai uji signifikansi variabel penghasilan adalah sebesar 0,049 , dimana hasil tersebut kurang dari 0,1 ; yang artinya untuk setiap penambahan sebesar tiga (3) dari setiap 100.000 orang yang telah memiliki penghasilan dan bersedia membayar lebih awal untuk pergantian pedal rem sebesar Rp.2500,- untuk
136
memprotect dirinya, maka akan mengurangi kemungkinan kecelakaan dengan resiko luka berat sebesar 1,001 kali.
Penentuan Model Logit :
Persamaan model logit pada variabel bebas tersebut adalah sebagai berikut : Logit (P) = p/1-p = β0 + β1 (X) , rumusan ini digunakan untuk menghitung logit pada variabel penghasilan dengan WTP Rp.2500, yang didalamnya terdapat pembagian perhitungan untuk yang berpengahasilan rendah minimal Rp.500.000 (500) & yang berpenghasilan tinggi yaitu Rp.8.500.000 (8500). Dengan nilai B yaitu 0,001. Dan Constantnya adalah -5,767. Berikut merupakan analisis perhitungannya, masing – masing untuk yang berpenghasilan rendah minimal Rp.500.000 dan berpenghasilan tinggi yaitu Rp.8.500.000 :
Logit (P) untuk X1 (500.000) = -0,001 + (-5,767) x (500)
= -5,9615
Logit (P) untuk X1 (8,500.000) = -0,001 + (-5,767) x (500)
= -9,0735
Menentukan Probabilitas :
Untuk mendapatkan probabilitas kesediaan membayar terhadap penghasilan, yaitu dengan pembagian jenis penghasilan minimal Rp.500.000 (500) & yang berpenghasilan tinggi yaitu Rp.8.500.000 (8500). Berikut persamaannya :
P
=
P1 = —
= 0,00257= 0,257% (Probabilitas penghasilan rendah)
P2 == 0,000114759 = 0,011% (Probabilitas penghasilan tinggi)
137
Tabel 4.67 Probabilitas Variabel Penghasilan (WTP 2500) B Constant X1 X2 Y1 untuk X1 Y2 untuk X2 Prob.Y1 Prob.Y2 (%) Y1 (%) Y2 0,001 -5,767 500 8.500 -5,9615 -9,0735 0,00257 0,000114 0,257 0,011
Angka probabilitas pada yang berpenghasilan rendah adalah lebih tinggi (pada tabel (% Y1) dari yang berpenghasilan tinggi yaitu sebesar 0,257%. Dengan arti, semakin rendah penghasilan seseorang maka semakin rendah pula keinginan untuk membayar Rp.2500 untuk melindungi diri dari resiko kecelakaan lalu lintas. Tingkat ekonomi serta penghasilan dalam rupiah dalam hal ini terbatas untuk bisa bersedia mengeluarkan biaya Rp.2500, jika dibandingkan dengan yang berpenghasilan besar dimana tingkat ekonomi lebih baik dan memiliki uang lebih untuk bersedia disisihkan demi membayar sejumlah Rp.2500 agar terhindar resiko kecelakaan.
4.10.1.3 Willingness To Pay Rp.4200
Variabel bebas yang signifikan terhadap WTP Rp.4200 adalah Gender (Jenis Kelamin), Pendidikan, dan Penghasilan Bulanan. Dikatakan signifikan jika nilai signifikansi berada ≤ 0,1. Berikut ini merupakan rincian output dari program SPSS.
Tabel 4.68 Hasil Perhitungan SPSS Logit Biner Variabel Jenis Kelamin terhadap WTP Rp.4200 (Responden Umum)
Variables in the Equation
B S.E. Wald df Sig. Exp(B)
90,0% C.I.for EXP(B) Lower Upper Step 1a Jenis_Kela min -1.347 .747 3.249 1 .071 .260 .076 .889 Constant 4.160 1.272 10.695 1 .001 64.103
a. Variable(s) entered on step 1: Jenis_Kelamin.
Nilai signifikansi variabel Jenis Kelamin adalah sebesar 0,071 ; yang berarti jika variabel jenis kelamin berpengaruh terhadap kesediaan membayar lebih awal untuk pergantian pedal rem sebesar Rp.4200,- dimana untuk setiap penambahan
138
sebanyak lima (5) dari setiap 100.000 orang akan dapat mengurangi kemungkinan kecelakaan dengan resiko luka berat sebesar 0,260 kali.
Penentuan Model Logit :
Persamaan model logit pada variabel bebas tersebut adalah sebagai berikut : Logit (P) = p/1-p = β0 + β1 (X) , rumusan ini digunakan untuk menghitung logit pada variabel jenis kelamin dengan WTP Rp.4200, yang didalamnya terdapat pembagian perhitungan untuk berjenis kelamin pria (1) & yang berjenis kelamin wanita (2). Dengan nilai B yaitu -1,347. Dan Constantnya adalah 4,160. Berikut merupakan analisis perhitungannya :
Logit (P) untuk X1 (1) = -1,347 + (4,160) x (1)
= 2,813
Logit (P) untuk X1 (2) = -1,347 (4,160) x (2)
= 1,466
Menentukan Probabilitas :
Untuk mendapatkan probabilitas kesediaan membayar terhadap jenis kelamin, yaitu dengan pembagian pria (1) dan perempuan (2) dengan menggunakan persamaan berikut ini :
P
=
P1 =
= 0,9433= 94,33%
P2 =
= 0,81242 = 81,24%
Tabel 4.69 Probabilitas Variabel Jenis Kelamin (WTP 4200) B Constant X1 X2 Y1 untuk
X1
Y2 untuk X2
Prob.Y1 Prob.Y2 1(%)Y1 (%) Y2 -1,347 4,160 1 2 2,813 1,466 0,9433 0,81242 94,33 81,24
Angka probabilitas yang berjenis kelamin pria lebih tinggi dibanding yang peempuan, dengan persentase sebesar 94,33%. Dengan arti, responden dengan
139
jenis kelamin pria atau laki – laki akan lebih berkeinginan untuk membayar Rp.4200 untuk melindungi diri dari resiko kecelakaan lalu lintas, dibandingkan dengan yang berjenis kelamin perempuan.
Tabel 4.70 SPSS Logit Biner Variabel Penghasilan Terhadap WTP Rp.4200 (Resp. Umum)
Variables in the Equation
B S.E. Wald df Sig. Exp(B)
90,0% C.I.for EXP(B) Lower Upper Step 1a Penghasilan .000 .000 4.823 1 .028 1.000 .999 1.000
Constant 4.081 1.057 14.916 1 .000 59.213 a. Variable(s) entered on step 1: Penghasilan.
Nilai signifikansi variabel Penghasilan Bulanan adalah sebesar 0,028 ; yang berarti jika terdapat penambahan sebanyak lima (5) dari setiap 100.000 orang yang memiliki penghasilan bulanan dan bersedia membayar lebih awal untuk pergantian pedal rem sebesar Rp.4200,- maka akan mengurangi kemungkinan kecelakaan dengan resiko luka berat sebesar 1,000 kali.
Penentuan Model Logit :
Persamaan model logit pada variabel bebas tersebut adalah sebagai berikut : Logit (P) = p/1-p = β0 + β1 (X), rumusan ini digunakan untuk menghitung logit pada variabel jenis kelamin dengan WTP Rp.4200, yang didalamnya terdapat pembagian perhitungan untuk yang berpenghasilan lebih rendah sebesar Rp.500.000 (500) & yang berpenghasilan lebih besar yaitu Rp.8.500.000 (8500). Dengan nilai B yaitu -0,000389. Dan Constantnya adalah 4,081. Berikut merupakan analisis perhitungannya :
Logit (P) untuk X1 (1) = - 0,000389 + (4,081) x (500)
= 3,8865
Logit (P) untuk X1 (2) = - 0,000389 + (4,081) x (8500)
140 Menentukan Probabilitas :
Untuk mendapatkan probabilitas kesediaan membayar terhadap usia, yaitu dengan pembagian jenis penghasilan rendah Rp.500.000 dan penghasilan tinggi Rp.8.500.000 dengan menggunakan persamaan berikut ini :
P =
P1 =
= 0,9798= 97,98% (Probabilitas penghasilan rendah)
P2 =
= 0,6844 = 68,44% (Probabilitas penghasilan tinggi)
Tabel 4.71 Probabilitas Variabel Penghasilan (WTP 2500) B Constant X1 X2 Y1 untuk
X1
Y2 untuk X2
Prob.Y1 Prob.Y2 1(%)Y1 (%) Y2 -0,000389 4,081 500 8500 3,8865 0,7745 0,9798 0,6844 97,98 68,44
Angka probabilitas responden yang berpenghasilan kecil memiliki persentase tinggi yaitu 97,98%, jika dibandingkan dengan probabilitas responden yang berpenghasilan besar. Dengan arti, semakin rendah penghasilan seseorang maka akan semakin rendah pula keinginan untuk membayar sejumlah Rp.4200, untuk melindungi diri dari resiko kecelakaan lalu lintas, dibandingkan dengan yang berpenghasilan besar. Terlihat dari arti negatif pada variabel B yang nerupakan arti berlawanan dari variabel tersebut. Seperti dikatakan dalam point sebelumnya, bahwa tingkat ekonomi serta penghasilan seseorang yang rendah jumlahnya akan terbatas untuk mengeluarkan uang, jika dibandingkan dengan yang berpenghasilan besar dimana tingkat ekonomi lebih baik dan memiliki uang lebih, sehingga probabilitas bersedia membayar sejumlah Rp.4500 agar terhindar resiko kecelakaan akan lebih besar.
